論文の概要: Resolving Mixed Single-Photon LiDAR Returns for Foreground-View and Hidden Scene Reconstruction

• arxiv url: http://arxiv.org/abs/2610.01206v1
• Date: Thu, 01 Oct 2026 07:15:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:23.961556
• Title: Resolving Mixed Single-Photon LiDAR Returns for Foreground-View and Hidden Scene Reconstruction
• Title（参考訳）: 前景と隠れたシーン再構成のための混合光子LiDARリターンの解法
• Abstract要約: 部分的な透過性スクリーンと保護カバーは、ロボット検査で一般的である。 彼らは、前景の材料と背景のシーンの両方から混合したLiDARリターンを作成します。 単光子ヒストグラムを用いた前景と隠れシーンの再構築のための状態認識フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 20.39322318360602
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Partially transmissive screens and protective covers are common in robotic inspection, but they create mixed LiDAR returns from both the foreground material and the scene behind it. Conventional peak-based LiDAR usually discards weak hidden returns, while single-photon LiDAR records time-resolved histograms that preserve attenuated and overlapping echoes. However, existing transient reconstruction methods typically fit a single scene representation to the measured waveform. Under occlusion, weak or nearby foreground--hidden echoes can form a broad peak or subtle shoulder. Because such waveforms can also be explained by a displaced single surface or a thick density distribution, accurate transient fitting does not necessarily imply correct geometry. We propose a state-aware framework for foreground-view and hidden scene reconstruction from occluded single-photon histograms. For each ray, we estimate local echo evidence, identifying no reliable surface evidence, single-return evidence, or two returns. The inferred echo state routes supervision for a two-head neural field: all rays constrain waveform reconstruction, while reliable anchors provide geometry localization. We also introduce a real paired single-photon LiDAR occlusion dataset with occluded and clean captures at fixed poses. Experiments on a real dataset show improved hidden scene depth and point-cloud accuracy over baselines. Our results demonstrate single-photon layered reconstruction as a practical route for 3D perception through partially transmissive occluders.
• Abstract（参考訳）: 部分的に透過的なスクリーンと保護カバーは、ロボット検査では一般的であるが、前景の材料と背景のシーンの両方から混合したLiDARリターンを生成する。 従来のピークベースのLiDARは通常弱い隠れたリターンを捨てるが、単一光子LiDARは減衰と重なり合うエコーを保存する時間分解ヒストグラムを記録する。 しかし、既存の過渡的再構成法は、通常、測定された波形に単一のシーン表現を適合させる。 閉塞下では、弱いか近くの前景で、隠れたエコーは広いピークまたは微妙な肩を形成することがある。 このような波形は、変位した単曲面や密度分布によっても説明できるので、正確な過渡的なフィッティングは必ずしも正確な幾何学を含まない。 閉鎖された単光子ヒストグラムから前景と隠れシーンを再構築するための状態認識フレームワークを提案する。 それぞれの光線に対して、局所的なエコー証拠を推定し、信頼できる表面証拠を特定せず、単回返却証拠または2つの返却証拠を同定する。 推論されたエコー状態は、全ての光線が波形の再構成を制限し、信頼できるアンカーは幾何学的局所化を提供する。 また,一対のLDARオクルージョン・データセットも導入した。 実際のデータセットの実験では、ベースラインよりも隠れたシーン深さとポイントクラウドの精度が改善された。 以上の結果より, 単光子層再構築は, 部分透過型咬合器による3次元知覚の実用的な方法であることが示された。

関連論文リスト

• OmniPoint: Universal Monocular Metric Pointcloud from Any Camera [79.24417597712802]
  OmniPointは、様々な画像センサにまたがるメートル法再構成を一般化するために設計された統合されたフレームワークである。 射影剛性を克服するため、OmniPointは従来の平面深度回帰を放棄する。 代わりに、分離された訓練目標とともに、分離された光線と距離の表現を採用する。
  論文  参考訳（メタデータ） (2026-09-08T19:45:58Z)
• GenRec: Knowing Where to Reconstruct and Where to Generate [106.48347271421765]
  GenRecは、再構築世代をそのアーキテクチャ、監督、勾配フローに直接分割するフローマッチングモデルである。 観察された領域で最高の復元忠実度を達成し、また、観測されていない領域では、知覚的品質の純粋に生成的ベースラインを超越する。
  論文  参考訳（メタデータ） (2026-08-18T14:31:19Z)
• Complete Gaussian Splats from a Single Image with Denoising Diffusion Models [24.95877981068105]
  本稿では,1枚の画像のみからガウススプラッターを用いて完全な3次元シーンを再構成する潜時拡散モデルを提案する。 提案手法は,高画質な360度レンダリングのための閉塞面を完遂する機能を備えた忠実な再構成と多種多様なサンプルを生成する。
  論文  参考訳（メタデータ） (2025-08-29T11:55:47Z)
• DepR: Depth Guided Single-view Scene Reconstruction with Instance-level Diffusion [59.25479674775212]
  DepRは深度誘導のシングルビューシーン再構築フレームワークである。 個々のオブジェクトを生成し、それらをコヒーレントな3Dレイアウトに構成する。 限られた合成データで訓練されているにもかかわらず、最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-07-30T16:40:46Z)
• SiLVR: Scalable Lidar-Visual Radiance Field Reconstruction with Uncertainty Quantification [0.6445605125467574]
  本稿では,ライダーと視覚データを融合したNeRFを用いた大規模再構成システムを提案する。 我々のシステムはライダーを組み込むために最先端のNeRF表現を採用する。 ライダーデータを追加すると、深さと表面の正規値に強い幾何学的制約が加わる。
  論文  参考訳（メタデータ） (2025-02-04T19:00:49Z)
• PlatoNeRF: 3D Reconstruction in Plato's Cave via Single-View Two-Bounce Lidar [25.332440946211236]
  単一視点からの3次元再構成は、単眼視からの曖昧さと閉鎖領域に関する情報の欠如により困難である。 単一光子アバランシェダイオードで捉えた飛行時間データを用いてこれらの制限を克服する。 我々は、制御された環境照明やシーンアルベドに頼らず、データの先行や依存なしに、可視・隠蔽幾何を再構築できることを実証した。
  論文  参考訳（メタデータ） (2023-12-21T18:59:53Z)
• InfoNeRF: Ray Entropy Minimization for Few-Shot Neural Volume Rendering [55.70938412352287]
  ニューラルな暗黙表現に基づく数ショットの新規ビュー合成のための情報理論正規化手法を提案する。 提案手法は,不十分な視点で発生する潜在的な復元の不整合を最小化する。 複数の標準ベンチマークにおいて,既存のニューラルビュー合成手法と比較して一貫した性能向上を実現している。
  論文  参考訳（メタデータ） (2021-12-31T11:56:01Z)
• Learning to Recover 3D Scene Shape from a Single Image [98.20106822614392]
  まず,未知のスケールまで深さを予測し,単一の単眼画像からシフトする2段階フレームワークを提案する。 そして、3dポイントクラウドエンコーダを使って深度シフトと焦点距離を予測し、リアルな3dシーンの形状を復元します。
  論文  参考訳（メタデータ） (2020-12-17T02:35:13Z)
• Deep 3D Capture: Geometry and Reflectance from Sparse Multi-View Images [59.906948203578544]
  本稿では,任意の物体の高品質な形状と複雑な空間変化を持つBRDFを再構成する学習に基づく新しい手法を提案する。 まず、深層多視点ステレオネットワークを用いて、ビューごとの深度マップを推定する。 これらの深度マップは、異なるビューを粗く整列するために使用される。 本稿では,新しい多視点反射率推定ネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-03-27T21:28:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。